本發(fā)明涉及通信技術(shù)領(lǐng)域，具體涉及一種通信網(wǎng)優(yōu)系統(tǒng)中的流數(shù)據(jù)處理裝置及通信網(wǎng)優(yōu)系統(tǒng)。

背景技術(shù)：

網(wǎng)優(yōu)系統(tǒng)最初的定位主要是作為離線數(shù)據(jù)分析系統(tǒng)，對移動(dòng)網(wǎng)絡(luò)的運(yùn)行狀態(tài)進(jìn)行綜合的評估分析，比如綜合評估無線網(wǎng)、核心網(wǎng)的網(wǎng)絡(luò)環(huán)境，評估當(dāng)前網(wǎng)絡(luò)覆蓋、干擾問題、掉話問題，評估業(yè)務(wù)質(zhì)量、用戶感知，可以以直觀的gis、圖表、表格等方式展示評估結(jié)果。上述網(wǎng)優(yōu)功能的實(shí)現(xiàn)依賴于對網(wǎng)絡(luò)中基礎(chǔ)數(shù)據(jù)、性能數(shù)據(jù)、mr數(shù)據(jù)、參數(shù)數(shù)據(jù)、話單數(shù)據(jù)等不同類型數(shù)據(jù)源的采集和解析，而通常上述數(shù)據(jù)處理都需要經(jīng)過廠家omc周期性生成、數(shù)據(jù)文件遠(yuǎn)程傳輸、數(shù)據(jù)解析、數(shù)據(jù)匯總、數(shù)據(jù)入庫等多個(gè)步驟，所以從網(wǎng)絡(luò)事件發(fā)生，到網(wǎng)優(yōu)系統(tǒng)呈現(xiàn)出來至少有2-3小時(shí)的延時(shí)。

但是隨著網(wǎng)優(yōu)系統(tǒng)使用部門和使用人員的增多，使用場景的豐富，對網(wǎng)優(yōu)系統(tǒng)處理實(shí)時(shí)性的要求越來越高，比如對于客服投訴的快速響應(yīng)、重要賽事場景的監(jiān)控保障、單次通話的信令跟蹤等，這些使用場景都是需要達(dá)到實(shí)時(shí)處理分析的標(biāo)準(zhǔn)。這就對網(wǎng)優(yōu)系統(tǒng)在實(shí)時(shí)數(shù)據(jù)處理技術(shù)上提出了更高的要求。

技術(shù)實(shí)現(xiàn)要素：

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了一種通信網(wǎng)優(yōu)系統(tǒng)中的流數(shù)據(jù)處理裝置及通信網(wǎng)優(yōu)系統(tǒng)，本發(fā)明使得網(wǎng)優(yōu)系統(tǒng)能夠提供用戶級別的實(shí)時(shí)感知分析功能。

為解決上述技術(shù)問題，本發(fā)明提供以下技術(shù)方案：

第一方面，本發(fā)明提供了一種通信網(wǎng)優(yōu)系統(tǒng)中的流數(shù)據(jù)處理裝置，包括：

流式數(shù)據(jù)生成模塊，用于將不同數(shù)據(jù)源得到的文件數(shù)據(jù)加載為一條條的流數(shù)據(jù)引擎所需要格式的流式數(shù)據(jù)，并推送至kafka處理模塊中；

kafka處理模塊，為一個(gè)分布式消息列隊(duì)處理模塊，用于將所述流式數(shù)據(jù)生成模塊生成的流式數(shù)據(jù)均勻地加載至kafka集群中，以供storm處理模塊進(jìn)行調(diào)用；

storm處理模塊，為流式處理的計(jì)算引擎，包括spout節(jié)點(diǎn)和bolt節(jié)點(diǎn)，spout節(jié)點(diǎn)用于從kafka集群中讀取數(shù)據(jù)，并推送至bolt節(jié)點(diǎn)，bolt節(jié)點(diǎn)用于將spout節(jié)點(diǎn)推送的數(shù)據(jù)根據(jù)預(yù)先配置的應(yīng)用場景進(jìn)行相應(yīng)計(jì)算并將計(jì)算結(jié)果進(jìn)行實(shí)時(shí)匯總，以及定期將匯總結(jié)果存儲(chǔ)至redis集群中；

redis存儲(chǔ)模塊，采用分布式集群方案，用于將所述storm處理模塊匯總的數(shù)據(jù)緩存在內(nèi)存中；

數(shù)據(jù)輸出模塊，用于將流式處理的結(jié)果以標(biāo)準(zhǔn)的接口提供給第三方數(shù)據(jù)者使用。

進(jìn)一步地，所述數(shù)據(jù)輸出模塊支持以組件的方式進(jìn)行橫向擴(kuò)展，包括：hbase組件、codis組件、hive組件、oracle組件和gp組件。

進(jìn)一步地，所述數(shù)據(jù)輸出模塊支持用戶手機(jī)app通過webservice調(diào)用進(jìn)行實(shí)時(shí)查詢。

第二方面，本發(fā)明還提供了一種通信網(wǎng)優(yōu)系統(tǒng)，包括：從下向上依次設(shè)置的數(shù)據(jù)采集層、數(shù)據(jù)處理與存儲(chǔ)層、技術(shù)服務(wù)組件層和應(yīng)用展現(xiàn)層；

所述數(shù)據(jù)采集層通過云化采集技術(shù)，用于對采集任務(wù)進(jìn)行分布式部署，支持實(shí)時(shí)采集、批量采集和互聯(lián)網(wǎng)爬蟲采集，用于對pb級數(shù)據(jù)進(jìn)行采集與收斂，提供流數(shù)據(jù)處理工具，支撐實(shí)時(shí)數(shù)據(jù)的采集處理，實(shí)現(xiàn)數(shù)據(jù)分發(fā)和加載；

所述數(shù)據(jù)處理與存儲(chǔ)層采用了如上面所述的流數(shù)據(jù)處理裝置；所述數(shù)據(jù)處理與存儲(chǔ)層采用“流式計(jì)算+hadoop+mpp+rdb”混搭的數(shù)據(jù)處理架構(gòu)以支撐多樣化海量混搭計(jì)算存儲(chǔ)能力，提供實(shí)時(shí)運(yùn)算、庫外運(yùn)算和流式計(jì)算的計(jì)算組件與服務(wù)；

所述技術(shù)服務(wù)組件層用于支撐上層應(yīng)用的報(bào)表/報(bào)告、搜索引擎、gis服務(wù)和信息推送服務(wù)；

所述應(yīng)用展現(xiàn)層用于實(shí)現(xiàn)系統(tǒng)的圖形界面展示，包括pc版應(yīng)用展現(xiàn)層和移動(dòng)智能終端版應(yīng)用展現(xiàn)層，圖形展示形式包括gis和圖表。

進(jìn)一步地，所述數(shù)據(jù)處理與存儲(chǔ)層配置有n個(gè)節(jié)點(diǎn)組成的storm流處理集群，m個(gè)節(jié)點(diǎn)組成的redis內(nèi)存數(shù)據(jù)庫集群和q個(gè)節(jié)點(diǎn)組成的kafka消息集群，且各個(gè)集群部署在萬兆以太網(wǎng)內(nèi)。

進(jìn)一步地，所述n取值為6，m取值為4，q取值為4。

進(jìn)一步地，所述數(shù)據(jù)采集層采集的數(shù)據(jù)包括網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù)、mr數(shù)據(jù)、參數(shù)數(shù)據(jù)、話單數(shù)據(jù)和信令數(shù)據(jù)。

進(jìn)一步地，所述技術(shù)服務(wù)組件層包括webservices組件、spss組件、solr組件和struts2組件。

進(jìn)一步地，所述pc版應(yīng)用展現(xiàn)層采用jsp、easyui、jquery和arcgis技術(shù)實(shí)現(xiàn)圖形展示。

進(jìn)一步地，所述移動(dòng)智能終端版應(yīng)用展現(xiàn)層采用ios、android、html5和baidumap技術(shù)實(shí)現(xiàn)圖形展示。

由上述技術(shù)方案可知，本發(fā)明提供的通信網(wǎng)優(yōu)系統(tǒng)，應(yīng)用“流式計(jì)算+hadoop+mpp+rdb”混搭模式的系統(tǒng)架構(gòu)技術(shù)，既兼顧了大數(shù)據(jù)處理的實(shí)時(shí)分析和離線分析需求，又沒有擯棄常規(guī)數(shù)據(jù)的高并發(fā)、在線分析的需求，使網(wǎng)優(yōu)系統(tǒng)能夠提供用戶級別的實(shí)時(shí)感知分析功能。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明一實(shí)施例提供的通信網(wǎng)優(yōu)系統(tǒng)中的流數(shù)據(jù)處理裝置的結(jié)構(gòu)示意圖；

圖2是本發(fā)明一實(shí)施例提供的流式計(jì)算軟件架構(gòu)示意圖；

圖3是本發(fā)明另一實(shí)施例提供的通信網(wǎng)優(yōu)系統(tǒng)的結(jié)構(gòu)示意圖；

圖4是本發(fā)明另一實(shí)施例提供的通信網(wǎng)優(yōu)系統(tǒng)的軟件架構(gòu)示意圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整的描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

通信網(wǎng)優(yōu)系統(tǒng)用到的分析數(shù)據(jù)與傳統(tǒng)o域的告警、配置、性能等數(shù)據(jù)相比較，數(shù)據(jù)體量巨大，尤其對于mr、話單、信令等數(shù)據(jù)，往往一個(gè)省一天的原始數(shù)據(jù)增量就可以達(dá)到幾個(gè)甚至十幾個(gè)t。對于該大數(shù)據(jù)應(yīng)用場景，現(xiàn)在已有較成熟的分布式處理技術(shù)對大數(shù)據(jù)進(jìn)行解析和存儲(chǔ)，但從數(shù)據(jù)產(chǎn)生了到分析呈現(xiàn)，往往要有若干小時(shí)的時(shí)延。本發(fā)明著眼于解決大數(shù)據(jù)處理的實(shí)時(shí)性能，采用流數(shù)據(jù)處理裝置，能夠把通信網(wǎng)優(yōu)系統(tǒng)中的數(shù)據(jù)處理的時(shí)限壓縮到秒級別。

圖1示出了本發(fā)明一實(shí)施例提供的通信網(wǎng)優(yōu)系統(tǒng)中的流數(shù)據(jù)處理裝置的結(jié)構(gòu)示意圖。參見圖1，本發(fā)明提供的通信網(wǎng)優(yōu)系統(tǒng)中的流數(shù)據(jù)處理裝置，包括：流式數(shù)據(jù)生成模塊11、kafka處理模塊12、storm處理模塊13、redis存儲(chǔ)模塊14和數(shù)據(jù)輸出模塊15，其中：

流式數(shù)據(jù)生成模塊11，用于將不同數(shù)據(jù)源得到的文件數(shù)據(jù)加載為一條條的流數(shù)據(jù)引擎所需要格式的流式數(shù)據(jù)，并推送至kafka處理模塊中；

可以理解的是，流式數(shù)據(jù)生成模塊11的主要功能是將由不同數(shù)據(jù)源得到的文件數(shù)據(jù)加載為一條一條的流數(shù)據(jù)引擎所需要格式的流式數(shù)據(jù)，并推送至kafka處理模塊中。參見圖2所示的流式計(jì)算軟件架構(gòu)示意圖，該流式數(shù)據(jù)生成模塊11支持ftp、socket、webservice、stdp等常見協(xié)議的實(shí)時(shí)數(shù)據(jù)在線采集接入，以及常見的系統(tǒng)日志實(shí)時(shí)采集。對于網(wǎng)優(yōu)系統(tǒng)最常見的數(shù)據(jù)文件采集，當(dāng)目標(biāo)文件夾發(fā)生任何改變的時(shí)候，都會(huì)觸發(fā)監(jiān)控程序執(zhí)行，監(jiān)控程序自動(dòng)分辨該改變是否為新增了需要處理的文件，如果是則監(jiān)控程序會(huì)將該文件名加入至待處理文件隊(duì)列。

kafka處理模塊12，為一個(gè)分布式消息列隊(duì)處理模塊，用于將所述流式數(shù)據(jù)生成模塊生成的流式數(shù)據(jù)均勻地加載至kafka集群中，以供storm處理模塊進(jìn)行調(diào)用；

可以理解的是，kafka處理模塊12主要是作為一個(gè)分布式消息隊(duì)列的模塊，用于將流式數(shù)據(jù)生成模塊中生成的流式數(shù)據(jù)均勻的加載至kafka集群中，以供storm處理模塊進(jìn)行調(diào)用，可以理解為一個(gè)數(shù)據(jù)流的緩存。該模塊采用的是一種高吞吐量的分布式發(fā)布訂閱消息系統(tǒng)，是通過類似hadoop的分布式并行加載機(jī)制來統(tǒng)一線上和離線的消息處理，支持性能線性擴(kuò)展，可以通過添加硬件的方式獲得近似線性比例的處理能力的提升。

storm處理模塊13，為流式處理的計(jì)算引擎，包括spout節(jié)點(diǎn)和bolt節(jié)點(diǎn)，spout節(jié)點(diǎn)用于從kafka集群中讀取數(shù)據(jù)，并推送至bolt節(jié)點(diǎn)，bolt節(jié)點(diǎn)用于將spout節(jié)點(diǎn)推送的數(shù)據(jù)根據(jù)預(yù)先配置的應(yīng)用場景進(jìn)行相應(yīng)計(jì)算并將計(jì)算結(jié)果進(jìn)行實(shí)時(shí)匯總，以及定期將匯總結(jié)果存儲(chǔ)至redis集群中；

可以理解的是，storm處理模塊13為流式處理的計(jì)算引擎，能夠根據(jù)配置的應(yīng)用場景進(jìn)行計(jì)算操作，起到數(shù)據(jù)實(shí)時(shí)匯總的作用，并輸出結(jié)果到對應(yīng)的存儲(chǔ)中。參見圖2所示的流式計(jì)算軟件架構(gòu)示意圖，spout節(jié)點(diǎn)負(fù)責(zé)從kafka集群中讀取數(shù)據(jù)，并推送至bolt節(jié)點(diǎn)，bolt節(jié)點(diǎn)負(fù)責(zé)將spout推送的數(shù)據(jù)根據(jù)不同的業(yè)務(wù)應(yīng)用(比如用戶號(hào)碼)進(jìn)行分類，并進(jìn)行實(shí)時(shí)數(shù)據(jù)匯總，并定時(shí)存儲(chǔ)匯總結(jié)果至redis集群中。

redis存儲(chǔ)模塊14，采用分布式集群方案，用于將所述storm處理模塊匯總的數(shù)據(jù)緩存在內(nèi)存中；

可以理解的是，redis存儲(chǔ)模塊14為了保證效率，匯總數(shù)據(jù)都是緩存在內(nèi)存中。redis集群考慮到數(shù)據(jù)規(guī)模巨大，調(diào)用并發(fā)度極高等情況，采用分布式集群方案，這種解決方案具有負(fù)載均衡及主備機(jī)容錯(cuò)等功能，可以有效的解決容錯(cuò)和并發(fā)問題。

數(shù)據(jù)輸出模塊15，用于將流式處理的結(jié)果以標(biāo)準(zhǔn)的接口提供給第三方數(shù)據(jù)者使用。

可以理解的是，數(shù)據(jù)輸出模塊15主要負(fù)責(zé)將流式處理的結(jié)果以標(biāo)準(zhǔn)的接口提供給第三方數(shù)據(jù)者使用。參見圖2所示的流式計(jì)算軟件架構(gòu)示意圖，該數(shù)據(jù)輸出模塊15支持以組件的方式進(jìn)行橫向擴(kuò)展，包括hbase組件、codis組件、hive組件、oracle組件、gp組件，也支持用戶手機(jī)app通過webservice調(diào)用進(jìn)行實(shí)時(shí)查詢。

與hadoop等離線批量大數(shù)據(jù)處理技術(shù)相比，本發(fā)明實(shí)施例提供的流數(shù)據(jù)處理裝置更為擅長突發(fā)性、單條事件的實(shí)時(shí)處理。以xdr類數(shù)據(jù)處理為例，從xdr數(shù)據(jù)采集到位開始計(jì)算，只需要經(jīng)過秒級別時(shí)間的處理，即可完成數(shù)據(jù)的解析入庫。再經(jīng)過后臺(tái)應(yīng)用模塊的處理，用戶行為和網(wǎng)絡(luò)指標(biāo)只需要經(jīng)過秒級別的時(shí)延即可得到呈現(xiàn)。這樣的時(shí)延相對與傳統(tǒng)技術(shù)2-3小時(shí)的時(shí)延，完全可以稱為實(shí)時(shí)處理，在重要賽事/會(huì)議監(jiān)控保障、實(shí)時(shí)信令跟蹤等應(yīng)用場景是可以滿足應(yīng)用要求的。

本發(fā)明另一實(shí)施例提供了一種通信網(wǎng)優(yōu)系統(tǒng)，參見圖3，該通信網(wǎng)優(yōu)系統(tǒng)包括：從下向上依次設(shè)置的數(shù)據(jù)采集層31、數(shù)據(jù)處理與存儲(chǔ)層32、技術(shù)服務(wù)組件層33和應(yīng)用展現(xiàn)層34；

所述數(shù)據(jù)采集層31通過云化采集技術(shù)，用于對采集任務(wù)進(jìn)行分布式部署，支持實(shí)時(shí)采集、批量采集和互聯(lián)網(wǎng)爬蟲采集，用于對pb級數(shù)據(jù)進(jìn)行采集與收斂，提供流數(shù)據(jù)處理工具，支撐實(shí)時(shí)數(shù)據(jù)的采集處理，實(shí)現(xiàn)數(shù)據(jù)分發(fā)和加載；

可以理解的是，數(shù)據(jù)采集層31通過云化采集技術(shù)，可對采集任務(wù)進(jìn)行分布式部署，支持實(shí)時(shí)采集、批量采集、互聯(lián)網(wǎng)爬蟲采集等采集技術(shù)。可對pb級數(shù)據(jù)進(jìn)行采集與收斂，提供流數(shù)據(jù)處理工具，支撐實(shí)時(shí)數(shù)據(jù)的采集處理，并實(shí)現(xiàn)數(shù)據(jù)分發(fā)和加載。所述數(shù)據(jù)采集層31采集的數(shù)據(jù)包括網(wǎng)絡(luò)基礎(chǔ)數(shù)據(jù)、mr數(shù)據(jù)、參數(shù)數(shù)據(jù)、話單數(shù)據(jù)和信令數(shù)據(jù)。

所述數(shù)據(jù)處理與存儲(chǔ)層32采用了如上面實(shí)施例所述的流數(shù)據(jù)處理裝置；所述數(shù)據(jù)處理與存儲(chǔ)層采用“流式計(jì)算+hadoop+mpp+rdb”混搭的數(shù)據(jù)處理架構(gòu)以支撐多樣化海量混搭計(jì)算存儲(chǔ)能力，提供實(shí)時(shí)運(yùn)算、庫外運(yùn)算和流式計(jì)算的計(jì)算組件與服務(wù)；

可以理解的是，通信網(wǎng)優(yōu)系統(tǒng)的技術(shù)核心在于對各種大數(shù)據(jù)進(jìn)行處理的多種軟件技術(shù)的綜合應(yīng)用。hadoop技術(shù)擁有天生的分布式數(shù)據(jù)處理優(yōu)勢，主要用于實(shí)現(xiàn)mr、話單、xdr等類大數(shù)據(jù)原始文件的批量存儲(chǔ)解析和初步的kpi指標(biāo)匯總，速度快，效率高；mpp為列式數(shù)據(jù)庫集群，適用于長期海量分析數(shù)據(jù)(mr匯總數(shù)據(jù)、話單數(shù)據(jù)、話統(tǒng)數(shù)據(jù)等)的存儲(chǔ)，尤其適合話單、信令類分析應(yīng)用的查詢，數(shù)據(jù)存儲(chǔ)壓縮比高，為網(wǎng)優(yōu)系統(tǒng)采用的數(shù)據(jù)存儲(chǔ)方案之一；rdb為傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，具有高并發(fā)、小容量等技術(shù)特點(diǎn)，適用于小數(shù)據(jù)量的結(jié)果類數(shù)據(jù)、周期/實(shí)時(shí)更新類數(shù)據(jù)(基站工參數(shù)據(jù)、考核結(jié)果數(shù)據(jù)、工單數(shù)據(jù)、管理數(shù)據(jù)等)的存儲(chǔ)；流式計(jì)算則是為了解決大數(shù)據(jù)實(shí)時(shí)處理需求而出現(xiàn)的技術(shù)，主要應(yīng)用于小時(shí)延類數(shù)據(jù)采集、分析、處理場景，如重要賽事/會(huì)議監(jiān)控保障、實(shí)時(shí)信令跟蹤等?？梢岳斫獾氖?，數(shù)據(jù)處理與存儲(chǔ)層32是網(wǎng)優(yōu)系統(tǒng)對大數(shù)據(jù)處理特色的體現(xiàn)，采用“流式計(jì)算+hadoop+mpp+rdb”混搭的數(shù)據(jù)處理架構(gòu)，以支撐多樣化海量數(shù)據(jù)混搭計(jì)算存儲(chǔ)能力，提供實(shí)時(shí)運(yùn)算、庫外運(yùn)算、流式計(jì)算等計(jì)算組件與服務(wù)，還提供數(shù)據(jù)完整性、準(zhǔn)確性等數(shù)據(jù)質(zhì)量管理功能。

比如，在通信網(wǎng)優(yōu)系統(tǒng)的高鐵專項(xiàng)分析中，需要對用戶在高鐵乘車期間使用無線網(wǎng)絡(luò)的質(zhì)量進(jìn)行分析，且需要能按用戶進(jìn)行監(jiān)控和分析。為實(shí)現(xiàn)用戶級的實(shí)時(shí)感知分析，需要采用實(shí)時(shí)流式計(jì)算處理方案，以提供盡可能低的處理時(shí)延。為了提高xdr話單數(shù)據(jù)的處理實(shí)時(shí)性，降低處理時(shí)延，搭建storm流處理集群完成單用戶實(shí)時(shí)分析功能。在項(xiàng)目實(shí)際應(yīng)用中，配置6個(gè)節(jié)點(diǎn)組成storm流處理集群，配置4個(gè)節(jié)點(diǎn)組成redis內(nèi)存數(shù)據(jù)庫集群，配置4個(gè)節(jié)點(diǎn)組成kafka消息集群。集群部署在萬兆以太網(wǎng)內(nèi)，以保證網(wǎng)絡(luò)傳輸速度。在實(shí)際運(yùn)行過程中，xdr文件中的單條用戶話單數(shù)據(jù)的處理過程，從xdr文件輸出完成到用戶實(shí)時(shí)行為和感知分析的kpi指標(biāo)數(shù)據(jù)輸出到實(shí)時(shí)監(jiān)控分析平臺(tái)，總體處理時(shí)延約為5秒。可見，通過采用流式處理集群技術(shù)，極大的提高了用戶級別數(shù)據(jù)的處理性能，將處理時(shí)延降低到“實(shí)時(shí)”的范圍，為實(shí)時(shí)用戶行為監(jiān)控和感知分析提供了有效支撐。

所述技術(shù)服務(wù)組件層33用于支撐上層應(yīng)用的報(bào)表/報(bào)告、搜索引擎、gis服務(wù)和信息推送服務(wù)；

可以理解的是，技術(shù)服務(wù)組件層33支撐上層應(yīng)用的報(bào)表/報(bào)告、搜索引擎、gis服務(wù)、信息推送服務(wù)等基礎(chǔ)組件，亦采用模塊化、組件化設(shè)計(jì)，方面靈活升級與替換。參見圖4所示的通信網(wǎng)優(yōu)系統(tǒng)的軟件架構(gòu)示意圖，技術(shù)服務(wù)組件層33包括webservices組件、spss組件、solr組件和struts2組件。

所述應(yīng)用展現(xiàn)層34用于實(shí)現(xiàn)系統(tǒng)的圖形界面展示，包括pc版應(yīng)用展現(xiàn)層和移動(dòng)智能終端版應(yīng)用展現(xiàn)層，圖形展示形式包括gis和圖表。

可以理解的是，應(yīng)用展現(xiàn)層34主要實(shí)現(xiàn)系統(tǒng)圖形界面的展示，包括pc版(web瀏覽器方式)和移動(dòng)智能終端版(ios、android、windowsphone的原生app、非原生app、微信、短信等方式)，展現(xiàn)形式包括gis、圖表等。參見圖4所示的通信網(wǎng)優(yōu)系統(tǒng)的軟件架構(gòu)示意圖，pc版應(yīng)用展現(xiàn)層采用jsp、easyui、jquery和arcgis技術(shù)實(shí)現(xiàn)圖形展示；移動(dòng)智能終端版應(yīng)用展現(xiàn)層采用ios、android、html5和baidumap技術(shù)實(shí)現(xiàn)圖形展示。

本發(fā)明實(shí)施例提供的通信網(wǎng)優(yōu)系統(tǒng)，應(yīng)用“流式計(jì)算+hadoop+mpp+rdb”混搭模式的系統(tǒng)架構(gòu)技術(shù)，既兼顧了大數(shù)據(jù)處理的實(shí)時(shí)分析和離線分析需求，又沒有擯棄常規(guī)數(shù)據(jù)的高并發(fā)、在線分析的需求，使網(wǎng)優(yōu)系統(tǒng)能夠提供用戶級別的實(shí)時(shí)感知分析功能。

以上實(shí)施例僅用于說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實(shí)施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。